PENERAPAN METODE END-USER COMPUTING SATISFACTION UNTUK MENGANALISIS KEPUASAN PENGGUNA TERHADAP APLIKASI DETEKSI PENYAKIT TANAMAN CABAI
DOI:
https://doi.org/10.70248/jrsit.v3i2.3156Abstract
Penelitian ini bertujuan untuk menganalisis tingkat kepuasan pengguna terhadap aplikasi deteksi penyakit tanaman cabai berbasis machine learning menggunakan metode End-User Computing Satisfaction (EUCS). Metode penelitian yang digunakan adalah pendekatan kuantitatif deskriptif dengan pengumpulan data melalui kuesioner daring kepada 100 responden yang telah menggunakan aplikasi. Pengukuran kepuasan pengguna dilakukan berdasarkan lima dimensi EUCS, yaitu content, accuracy, format, ease of use, dan timeliness. Analisis data dilakukan menggunakan perangkat lunak SmartPLS 4 melalui uji validitas, reliabilitas, dan analisis deskriptif. Hasil penelitian menunjukkan bahwa hanya dua dimensi yang berpengaruh signifikan terhadap kepuasan pengguna, yaitu accuracy dan ease of use, dengan nilai rata-rata masing-masing sebesar 4,19 dan 4,41, yang keduanya berada pada kategori “setuju.” Hal ini menunjukkan bahwa pengguna merasa puas terhadap tingkat akurasi hasil deteksi dan kemudahan penggunaan aplikasi. Simpulan dari penelitian ini adalah bahwa aplikasi deteksi penyakit tanaman cabai telah memenuhi kebutuhan pengguna dalam hal ketepatan hasil dan kemudahan interaksi, serta berpotensi dikembangkan lebih lanjut sebagai solusi digital bagi petani dalam identifikasi penyakit tanaman secara cepat dan efisien.References
Y., Imtihan, K., Taufan, M., & Zaen, A. (2024). Analisis Tingkat Kepuasan Umkm Pengguna Aplikasi Facebook Sebagai Sosial Commerce Menggunakan Metode End User Computing Satisfaction (EUCS). Innovative: Journal Of Social Science Research, 4(3), 18354–18363. https://doi.org/10.31004/INNOVATIVE.V4I3.12765
A, I., Gopikannan, Dr. A., A, I., Gopikannan, Dr. A., A, I., A, I., & Gopikannan, Dr. A. (2024). Flask Web App Powered By DenseNet For Intelligent Plant Disease Recognition. IJCRT - International Journal of Creative Research Thoughts (IJCRT), 12(4), c884–c889. http://www.ijcrt.org/viewfull.php?p_id=IJCRT2404324
Arifin, N., Insani, C. N., Milasari, M., & Rasyid, M. F. (2024). Horticulture Smart Farming For Enhanced Efficiency In Industry 4.0 Performance. Jurnal Teknik Informatika (Jutif), 5(5), 1405–1412. https://doi.org/10.52436/1.JUTIF.2024.5.5.2728
Bezabih, Y. A., Salau, A. O., Abuhayi, B. M., Mussa, A. A., & Ayalew, A. M. (2023). CPD-CCNN: classification of pepper disease using a concatenation of convolutional neural network models. Scientific Reports, 13(1), 1–12. https://doi.org/10.1038/S41598-023-42843-2;SUBJMETA
Budi Pratomo, A., Ade Kurnia Harahap, M., Oswari, T., Mahyu Akhirianto, P., Widarman, A., & Nusa Megarkencana, S. (2023). The Application of End User Computing Satisfaction (EUCS) to Analyze the Satisfaction of MyPertamina User. Jurnal Sistim Informasi dan Teknologi, 5(1), 78–83. https://doi.org/10.37034/JSISFOTEK.V5I1.205
Dai, M., Sun, W., Wang, L., Dorjoy, M. M. H., Zhang, S., Miao, H., Han, L., Zhang, X., & Wang, M. (2023). Pepper leaf disease recognition based on enhanced lightweight convolutional neural networks. Frontiers in Plant Science, 14, 1230886. https://doi.org/10.3389/FPLS.2023.1230886/BIBTEX
Das, S., Pattanayak, S., & Behera, P. R. (2022). Application of machine learning: a recent advancement in plant diseases detection. Journal of Plant Protection Research, 62(2), 122–135. https://doi.org/10.24425/JPPR.2022.141360
Doll, W., & Torkzadeh, G. (1988). The Measurement of End-User Computing Satisfaction. Management Information Systems Quarterly, 12(2). https://aisel.aisnet.org/misq/vol12/iss2/7
Gugur Bunga dan Buah, P., Produksi Cabai Merah pada Ultisol yang Diaplikasikan Biostimulan dan Pupuk Anorganik Shabilla Amartiya Sari, serta, & Gofar, N. (2023). Percentage of Flower and Fruit Fall, and Red Chili Production in Ultisol Applied Biostimulants and Inorganic Fertilizers. Jurnal Lahan Suboptimal : Journal of Suboptimal Lands, 12(2), 184–194. https://doi.org/10.36706/JLSO.12.2.2023.639
Hussein, M. A. M., Abdel-Aal, A. M. K., Rawa, M. J., Mousa, M. A. A., Moustafa, Y. M. M., & Abo-Elyousr, K. A. M. (2023). Enhancing chili pepper (Capsicum annuum L.) resistance and yield against powdery mildew (Leveillula taurica) with beneficial bacteria. Egyptian Journal of Biological Pest Control, 33(1), 1–9. https://doi.org/10.1186/S41938-023-00758-0/FIGURES/3
Metagar, S. M., & Walikar, G. A. (2024). Machine Learning Models for Plant Disease Prediction and Detection: A Review. Agricultural Science Digest, 44(4), 591–602. https://doi.org/10.18805/AG.D-5893
Pacal, I., Kunduracioglu, I., Alma, M. H., Deveci, M., Kadry, S., Nedoma, J., Slany, V., & Martinek, R. (2024). A systematic review of deep learning techniques for plant diseases. Artificial Intelligence Review, 57(11), 1–39. https://doi.org/10.1007/S10462-024-10944-7/FIGURES/13
Praneeth, M., S., A. K., & S., S. R. (2023). Perceived Effectiveness of the Mobile Applications in Agriculture in Terms of Availability, Acceptance, Usage and Satisfaction. Asian Journal of Agricultural Extension, Economics & Sociology, 41(11), 19–28. https://doi.org/10.9734/AJAEES/2023/V41I112257
Rachmawati, N. L., & Krisbiantoro, D. (2021). Evaluasi Kepuasan Pengguna Sistem E-Learning Menggunakan Metode End User Computing Satisfaction: Studi Kasus : Universitas Amikom Purwokerto. Journal Of Information System Management (Joism), 3(1), 1–7. https://doi.org/10.24076/JOISM.2021V3I2.473
Si, J., & Kim, S. (2024). CRASA: Chili Pepper Disease Diagnosis via Image Reconstruction Using Background Removal and Generative Adversarial Serial Autoencoder. Sensors 2024, Vol. 24, Page 6892, 24(21), 6892. https://doi.org/10.3390/S24216892
Siddiqua, A., Kabir, M. A., Ferdous, T., Ali, I. B., & Weston, L. A. (2022). Evaluating Plant Disease Detection Mobile Applications: Quality and Limitations. Agronomy 2022, Vol. 12, Page 1869, 12(8), 1869. https://doi.org/10.3390/AGRONOMY12081869
Trisya, C. P., Ahsyar, T. K., Syaifullah, S., & Fronita, M. (2024). Analisis Kepuasan Pengguna Aplikasi Jenius Menggunakan Metode End User Computing Satisfaction dan Importance Performance Analysis. Jurnal Teknologi Sistem Informasi dan Aplikasi, 7(3), 951–962. https://doi.org/10.32493/JTSI.V7I3.40802
Wang, X., Liu, J., & Chen, Q. (2025). An advanced deep learning method for pepper diseases and pests detection. Plant Methods, 21(1), 1–18. https://doi.org/10.1186/S13007-025-01387-4/TABLES/5
Westi, P., Ningrum, E., Kadek, I., & Nuryana, D. (2024). Analysis of User Satisfaction MELISA using End User Computing Satisfaction (EUCS) and Importance Performance Analysis (IPA) Methods: Analisis Kepuasan Pengguna MELISA menggunakan Metode End User Computing Satisfaction (EUCS) dan Importance Performance Analysis (IPA). Journal of Emerging Information Systems and Business Intelligence (JEISBI), 5(3), 237–249. https://doi.org/10.26740/JEISBI.V5I3.63646
Yang, Z., & Wang, Y. (2025). Microbial niche differentiation and agronomic performance of diseased Capsicum annuum. Frontiers in microbiology, 16. https://doi.org/10.3389/FMICB.2025.1576486
